495
Progresif: Jurnal Ilmiah Komputer https://ojs.
stmik-banjarbaru.
id/index.
php/progresif/index Jl.
Ahmad Yani.
33,5 - Kampus STMIK Banjarbaru Loktabat - Banjarbaru (Tlp.
, e-mail: puslit.
stmikbjb@gmail.
e-ISSN: 2685-0877 Dashboard Prestasi Siswa SMPN 1 Purwakarta:
Visualisasi Data dengan Google Looker Studio DOI: http://dx.
org/10.
35889/progresif.
Creative Commons License 4.
0 (CC BY Ae NC) Fakhirah Azhar1*.
Nuur Wachid Abdulmajid2.
Beni Ari Hidayatulloh3 Pendidikan Sistem dan Teknologi Informasi.
Universitas Pendidikan Indonesia.
Purwakarta.
Indonesia *e-mail Corresponding Author.
fakhirahazhar@upi.
Abstract Management of non-academic student achievement data, which has been presented in various formats, is difficult to analyze systematically.
This research aims to develop a visual dashboard of student achievement based on Google Looker Studio at SMPN 1 Purwakarta.
The research uses the CRISP-DM (Cross Industry Standard Process for Data Minin.
method which consists of six stages, namely business understanding, data understanding, data preparation, modeling, evaluation and deployment.
The data used includes exam results and student participation in various competitions.
Dashboards were developed to present information visually, interactively and in real-time to support data-based evaluation and decision making.
The development results show that this dashboard is able to integrate student achievement data into one platform that is easy to access and understand by teachers and school officials.
The conclusion of this research is that the use of a dashboard based on Google Looker Studio can make a significant contribution to improving the quality of managers.
Keywords: Dashboard.
Student Achievement.
Data Visualization.
Google Looker Studio Abstrak Pengelolaan data prestasi siswa non-akademik yang selama ini disajikan dalam berbagai format, sulit dianalisis secara sistematis.
Penelitian ini bertujuan untuk mengembangkan dashboard visual prestasi siswa berbasis Google Looker Studio di SMPN 1 Purwakarta.
Penelitian menggunakan metode CRISP-DM (Cross Industry Standard Process for Data Minin.
yang terdiri dari enam tahapan, yaitu business understanding, data understanding, data preparation, modeling, evaluation, dan deployment.
Data yang digunakan mencakup hasil ujian dan keikutsertaan siswa dalam berbagai lomba.
Dashboard dikembangkan untuk menyajikan informasi secara visual, interaktif, dan real-time guna mendukung evaluasi dan pengambilan keputusan berbasis data.
Hasil pengembangan menunjukkan bahwa dashboard ini mampu mengintegrasikan data prestasi siswa ke dalam satu platform yang mudah diakses dan dipahami oleh guru maupun pihak sekolah.
Kesimpulan dari penelitian ini adalah bahwa penggunaan dashboard berbasis Google Looker Studio dapat memberikan kontribusi yang signifikan dalam meningkatkan kualitas pengelola.
Kata kunci: Dashboard.
Prestasi Siswa.
Visualisasi Data.
Google Looker Studio Pendahulauan Dalam era digital dan transformasi pendidikan yang pesat, pengelolaan data prestasi siswa menjadi elemen krusial untuk meningkatkan kualitas pembelajaran dan pencapaian Institusi pendidikan dituntut untuk tidak hanya mengumpulkan data, tetapi juga memanfaatkannya secara optimal dalam mendukung pengambilan keputusan yang tepat dan berbasis data .
Visualisasi data merupakan salah satu pendekatan modern yang memungkinkan informasi disajikan secara informatif, menarik, dan mudah dipahami oleh seluruh pemangku kepentingan, memfasilitasi pemahaman yang lebih mendalam serta Dashboard Prestasi Siswa SMPN 1 Purwakarta a.
Fakhirah Azhar e-ISSN: 2685-0877 pengambilan keputusan yang lebih cepat .
Pentingnya visualisasi data dalam dunia pendidikan semakin diakui seiring dengan meningkatnya volume data yang dihasilkan, yang memerlukan alat untuk menganalisis dan menginterpretasikan informasi tersebut secara efektif .
SMPN 1 Purwakarta, sebagai salah satu institusi pendidikan tingkat menengah, saat ini menghadapi tantangan signifikan dalam mengelola dan memanfaatkan data prestasi siswa.
Data yang tersebar dalam berbagai format dan sumber, serta kurangnya struktur yang memadai, menyebabkan kesulitan dalam aksesibilitas dan pemantauan perkembangan siswa secara real-time.
Indikator masalah ini terlihat dari waktu rata-rata yang dibutuhkan untuk menghasilkan laporan analisis prestasi siswa yang mencapai 3-5 hari kerja, serta kesulitan dalam memperoleh gambaran prestasi siswa secara komprehensif dan real-time tanpa ketergantungan pada analisis manual yang memakan waktu.
Kondisi ini berdampak pada lambatnya proses evaluasi dan kurang optimalnya pengambilan keputusan strategis yang seharusnya berbasis data yang akurat dan terkini .
Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan pengembangan dashboard interaktif berbasis Google Looker Studio yang mampu menampilkan data prestasi siswa secara terstruktur dan visual.
Google Looker Studio dipilih karena kemampuannya dalam mengintegrasikan berbagai sumber data, menyajikan visualisasi yang menarik, dan dapat diakses dengan mudah .
Konsep solusi ini didukung oleh rasionalisasi bahwa dashboard visual dapat menyederhanakan data kompleks menjadi informasi yang mudah dicerna, memfasilitasi pemantauan real-time, dan mendukung pengambilan keputusan berbasis bukti .
Pendekatan pengembangan yang digunakan mengikuti metode CRISP-DM (Cross-Industry Standard Process for Data Minin.
, yang terbukti efektif dalam berbagai studi analitik berbasis data karena memberikan kerangka kerja yang sistematis mulai dari pemahaman bisnis hingga implementasi sistem .
, .
Penelitian ini bertujuan untuk mengembangkan sebuah dashboard prestasi siswa berbasis Google Looker Studio di SMPN 1 Purwakarta yang dapat membantu proses monitoring dan analisis data prestasi siswa secara interaktif.
Adapun manfaat yang diharapkan dari penelitian ini adalah memberikan kemudahan bagi pihak sekolah dalam melihat perkembangan siswa secara visual, meningkatkan akurasi data yang digunakan dalam evaluasi, dan memperkuat proses pengambilan keputusan berbasis bukti .
vidence-based decision makin.
di SMPN 1 Purwakarta .
Diharapkan dashboard ini dapat menjadi alat yang efektif dalam mendukung peningkatan kualitas pendidikan dan pencapaian akademik siswa.
Tinjauan Pustaka Penelitian terdahulu telah banyak membahas penerapan data cleansing dan visualisasi data dalam konteks pendidikan dan pengambilan keputusan.
Misalnya, mengembangkan dashboard untuk memantau kinerja akademik mahasiswa menggunakan Tableau.
Penelitian ini menekankan pada penyajian visual data akademik untuk mendukung kebijakan akademik, namun tidak secara spesifik membahas proses pembersihan data sebagai tahapan penting dalam meningkatkan akurasi informasi yang divisualisasikan .
Penelitian lain dengan memanfaatkan metode CRISP-DM (Cross-Industry Standard Process for Data Minin.
untuk membangun sistem visualisasi prestasi siswa di tingkat sekolah menengah atas, dengan fokus pada pemodelan dan evaluasi visualisasi menggunakan Power BI .
Penelitian ini memberikan kontribusi pada pemahaman pentingnya pemodelan visual data, namun belum menyoroti secara rinci tahap awal seperti data preparation yang berkaitan erat dengan data Selanjutnya, studi mengangkat permasalahan kualitas data dalam sistem informasi akademik dan menerapkan metode data cleansing untuk memperbaiki format dan konsistensi data sebelum dianalisis.
Walaupun fokus utamanya pada aspek teknis pembersihan data, penelitian ini belum memanfaatkan visualisasi interaktif sebagai sarana komunikasi data .
Riset yang menyoroti pentingnya representasi visual untuk mendukung pengambilan keputusan strategis di lingkungan pendidikan dengan menggunakan Google Looker Studio.
Namun, riset tersebut lebih menekankan pada teknik visualisasi dan tidak banyak mengulas aspek validitas data sebagai landasan analisis .
Berdasarkan studi-studi terdahulu, dapat disimpulkan bahwa masih terdapat keterpisahan antara proses peningkatan kualitas data .
ata cleansin.
dan visualisasi data interaktif dalam konteks pendidikan, khususnya di tingkat sekolah menengah pertama.
Penelitian ini mencoba menggabungkan kedua pendekatan tersebut Progresif: Vol.
No.
Agustus 2025: 495-507 Progresif e-ISSN: 2685-0877 secara terpadu, dengan menerapkan tahapan CRISP-DM (Cross-Industry Standard Process for Data Minin.
secara lengkap mulai dari pemahaman bisnis, pembersihan data, hingga pembangunan dashboard interaktif berbasis Google Looker Studio.
Berbagai penelitian terdahulu telah banyak membahas pemanfaatan dashboard dalam bidang pendidikan, namun sebagian besar fokus pada data akademik seperti nilai ujian, absensi, dan hasil evaluasi belajar siswa.
Sebagai contoh .
mengembangkan dashboard visualisasi nilai menggunakan Power BI untuk menganalisis performa akademik siswa, sementara peneliti lain .
memanfaatkan pendekatan waterfall dalam membangun sistem visualisasi kehadiran siswa di sekolah.
Kedua penelitian tersebut sama-sama memanfaatkan data akademik yang bersifat terstruktur dan berasal dari sistem informasi sekolah, serta tidak menggunakan kerangka kerja pengembangan sistem data mining seperti CRISP-DM secara Selain itu, sebagian besar alat yang digunakan dalam penelitian sebelumnya adalah platform berbayar dan membutuhkan instalasi lokal, sehingga kurang praktis untuk diimplementasikan di sekolah dengan keterbatasan sumber daya.
Berbeda dari penelitian-penelitian sebelumnya, penelitian ini secara khusus berfokus pada pengembangan dashboard visualisasi data prestasi non-akademik siswa, seperti lomba olahraga, seni, dan kompetisi lainnya yang diikuti oleh siswa SMPN 1 Purwakarta.
Pendekatan ini menghadirkan pembaruan karena selama ini data prestasi non-akademik seringkali terabaikan dalam sistem pengelolaan informasi sekolah.
Penelitian ini juga menggunakan Google Looker Studio sebagai platform visualisasi berbasis web yang ringan, interaktif, dan dapat diintegrasikan langsung dengan Google Sheets, sehingga memudahkan pengelolaan dan pembaruan data secara real-time.
Dari sisi metodologis, penelitian ini menerapkan metode CRISP-DM secara lengkap dimulai dari tahap business understanding hingga deployment yang memberikan struktur sistematis dalam proses pengembangan sistem berbasis data.
Dengan fokus pada aspek non-akademik, penggunaan platform visual yang terjangkau, dan penerapan kerangka pengembangan standar industri, penelitian ini memiliki kebaruan yang signifikan dibandingkan dengan studi-studi sebelumnya yang cenderung berorientasi pada data akademik dan platform visualisasi tertutup.
Metodologi Penelitian ini menggunakan metode CRISP-DM (Cross-Industry Standard Process for Data Minin.
yang terdiri dari enam tahap, yaitu Business Understanding.
Data Understanding.
Data Preparation.
Modeling.
Evaluation, dan Deployment.
Metode ini dipilih karena memberikan kerangka kerja yang sistematis untuk pengembangan dashboard prestasi siswa di SMPN 1 Purwakarta.
Gambar 1.
Diagram Alur CRISP - DM Tahap pertama dalam metode CRISP-DM adalah Business Understanding, di mana tujuan pengembangan dashboard diidentifikasi.
Pertanyaan bisnis yang diajukan adalah:
"Bagaimana cara memantau dan menganalisis prestasi siswa secara real-time untuk mendukung pengambilan keputusan yang lebih baik di SMPN 1 Purwakarta?" Untuk menjawab pertanyaan ini, dilakukan diskusi dengan pihak sekolah untuk memahami kebutuhan dan harapan mereka terhadap sistem yang akan dikembangkan.
Hasil dari tahap ini adalah pemahaman yang jelas mengenai tujuan proyek dan spesifikasi fitur yang diinginkan dalam Dashboard Prestasi Siswa SMPN 1 Purwakarta a.
Fakhirah Azhar e-ISSN: 2685-0877 Perumusan kebutuhan proyek dan pemahaman konteks pembelajaran menjadi tahap awal yang penting untuk menyusun strategi implementasi berbasis data .
Pada tahap Data Understanding, data terkait prestasi siswa dikumpulkan dari berbagai sumber, termasuk hasil ujian, catatan partisipasi dalam lomba, dan kegiatan ekstrakurikuler.
Tahap ini dilakukan untuk mengevaluasi struktur dan kualitas data siswa sebelum masuk ke proses visualisasi yang menunjukkan bahwa Google Looker Studio dapat membantu meningkatkan pemahaman terhadap data siswa secara signifikan melalui penyajian visual yang interaktif .
juga menekankan pentingnya pemahaman kualitas data dan kebutuhan pengguna di tahap awal desain dashboard, agar sistem yang dikembangkan sesuai dengan harapan pengguna .
Data yang dikumpulkan mencakup informasi dari tahun ajaran 2021 hingga 2024, dengan total volume data mencapai 280 entri.
Setiap entri mencakup atribut seperti nama siswa, kelas, jenis kelamin, dan jenis lomba yang diikuti.
Data ini dieksplorasi untuk memahami karakteristik dan pola yang ada.
Tahap Data Preparation melibatkan pembersihan dan transformasi data agar siap untuk Proses ini mencakup penghapusan entri duplikat, penanganan nilai yang hilang, dan normalisasi data.
Data yang tidak relevan atau tidak lengkap dihapus untuk memastikan kualitas data yang tinggi dan menekankan bahwa validasi transformasi data secara menyeluruh merupakan fondasi utama sebelum tahap modeling .
Setelah pembersihan, data diorganisir dalam format yang sesuai untuk digunakan dalam Google Looker Studio.
Pada tahap Modeling, model visualisasi data dibangun menggunakan Google Looker Studio, data yang telah dipersiapkan diproses untuk menghasilkan visualisasi interaktif menggunakan Google Looker Studio.
Tahap ini mencakup pemilihan jenis grafik .
eperti diagram batang, pie chart, dan scorecar.
, pengaturan filter interaktif, serta penyusunan struktur dashboard menyeluruh untuk memudahkan interpretasi data prestasi siswa .
Dashboard dirancang untuk menyajikan informasi secara interaktif, memungkinkan pengguna untuk melihat data prestasi siswa berdasarkan berbagai kriteria, seperti kelas, jenis kelamin, dan tingkat Model ini diuji dengan menggunakan data yang telah disiapkan untuk memastikan visualisasi yang dihasilkan akurat dan informatif.
Tahap Evaluation dilakukan untuk menguji dan mengevaluasi dashboard guna memastikan fungsionalitas dan akurasi data.
Uji coba dilakukan dengan melibatkan beberapa guru dan staf sekolah untuk mendapatkan umpan balik mengenai kemudahan penggunaan dan kejelasan informasi yang disajikan.
Hasil evaluasi dapat menjadi dasar pengambilan keputusan apakah sistem layak diimplementasikan atau perlu dilakukan revisi terlebih dahulu .
Pada tahap Deployment, dashboard diimplementasikan di SMPN 1 Purwakarta.
Penggunaan dashboard dipantau selama periode tiga bulan untuk mengevaluasi efektivitasnya dalam membantu pihak sekolah memantau prestasi siswa.
Selama periode ini, umpan balik dari pengguna terus dikumpulkan untuk melakukan perbaikan lebih lanjut.
Hal ini mencakup integrasi dashboard ke portal internal, pengaturan hak akses pengguna .
uru dan sta.
, serta monitoring penggunaan untuk memastikan data tetap akurat dan berkala dalam pembaruan, agar dashboard tetap relevan dan tidak hanya diluncurkan secara teknis, tetapi juga digunakan sebagai alat pendukung keputusan strategis dalam konteks pendidikan vokasional menunjukkan pentingnya keberlanjutan dan dukungan pengguna pasca-penerapan .
Dengan mengikuti langkah-langkah di atas, diharapkan dashboard yang dihasilkan dapat memenuhi kebutuhan pengguna dan memberikan informasi yang akurat serta relevan untuk pengambilan keputusan berbasis data di SMPN 1 Purwakarta.
Hasil dan Pembahasan 1 Tahap Business Understanding Tahap Business Understanding pada penelitian ini berhasil mengidentifikasi kebutuhan fungsionalitas dashboard prestasi siswa di SMPN 1 Purwakarta.
Berdasarkan analisis yang dilakukan bersama pemangku kepentingan, dashboard ini diharapkan mampu menyajikan tampilan pembagian peringkat juara siswa berdasarkan jenis kelamin secara visual.
Selain itu, fitur tren tingkat prestasi siswa tahunan akan menampilkan perkembangan prestasi dari tahun 2021 hingga 2024.
Dashboard juga perlu menyediakan informasi jumlah prestasi yang diraih sekolah setiap tahunnya dalam periode yang sama, serta menunjukkan distribusi prestasi berdasarkan kategori peringkat seperti Juara 1.
Juara 2.
Juara 3.
Harapan, dan Finalis.
Terakhir, fungsionalitas penting lainnya adalah kemampuan untuk mengidentifikasi dan Progresif: Vol.
No.
Agustus 2025: 495-507 Progresif e-ISSN: 2685-0877 menampilkan 5 siswa atau kelas terbaik yang paling banyak memberikan kontribusi prestasi bagi sekolah.
2 Tahap Data Understanding Bertujuan untuk mengumpulkan, mengeksplorasi, dan memahami data yang akan digunakan dalam analisis.
Dalam konteks penelitian ini, data yang dikumpulkan berkaitan dengan prestasi siswa di SMPN 1 Purwakarta.
Data yang digunakan mencakup informasi kuantitatif dan kualitatif terkait prestasi siswa, termasuk hasil ujian, partisipasi dalam lomba, dan kegiatan ekstrakurikuler.
Setiap entri data mencakup atribut seperti nama siswa, kelas, jenis kelamin, tahun ajaran, jenis prestasi .
eperti hasil ujian, lomba, dan ekstrakurikule.
, serta peringkat (Juara 1, 2, 3.
Harapan, dan Finali.
Data yang dikumpulkan terdiri dari total 280 entri yang mencakup limitasi periode tahun ajaran 2021 hingga 2024.
Volume data ini mencakup informasi dari berbagai sumber, termasuk hasil ujian dan catatan partisipasi siswa dalam lomba, yang diorganisir dalam format spreadsheet untuk memudahkan analisis.
Sumber data diperoleh dari beberapa tempat, antara lain rekapitulasi hasil ujian yang disediakan oleh pihak sekolah, catatan partisipasi siswa dalam lomba yang diadakan oleh Dinas Pendidikan dan lembaga lainnya, serta dokumentasi kegiatan ekstrakurikuler yang diadakan di SMPN 1 Purwakarta.
Data ini dikumpulkan selama periode tahun ajaran 2021 hingga 2024, dengan fokus pada prestasi yang dicapai oleh siswa selama waktu tersebut.
Meskipun data yang dikumpulkan cukup komprehensif, terdapat beberapa keterbatasan yang perlu diperhatikan.
Pertama, data hanya mencakup periode tertentu .
yang terbaru, sehingga tidak mencerminkan tren jangka panjang.
Selain itu, beberapa atribut mungkin tidak lengkap atau tidak terisi dengan baik, seperti nilai yang hilang atau informasi yang tidak konsisten.
Keterbatasan juga muncul dari sumber data yang diperoleh, yang bergantung pada keakuratan dan kelengkapan informasi dari berbagai sumber, yang dapat mempengaruhi hasil analisis.
Dengan memahami identitas, ukuran, sumber, dan keterbatasan data, peneliti dapat melakukan analisis yang lebih mendalam dan akurat, serta mempertimbangkan faktor-faktor yang dapat mempengaruhi hasil penelitian.
Tahap ini sangat penting untuk memastikan bahwa data yang digunakan dalam analisis adalah relevan dan dapat diandalkan.
Setelah merumuskan pertanyaan bisnis yang jelas dan memahami tujuan dari pengembangan dashboard prestasi siswa, langkah selanjutnya adalah mengidentifikasi dan mendokumentasikan data yang akan digunakan dalam analisis.
Untuk itu, penting untuk memiliki data dictionary yang menjelaskan nama-nama kolom, tipe data, dan deskripsi dari setiap atribut dalam dataset.
Data dictionary ini akan memberikan pemahaman yang lebih mendalam mengenai struktur data yang akan dianalisis, sehingga semua pihak yang terlibat dapat memiliki acuan yang sama dalam interpretasi data.
Nama Kolom Timestamp Nama Kelas Tanggal Pelaksanaan Tahun Nama Lomba / Prestasi Peringkat Tingkat Foto ketika memegang Piagam/Piala Foto Piagam/Piala Emaill Address Tabel 1.
Tabel Data Dictionary Keterangan Berisi waktu penginputan data oleh siswa melalui Google Formulir.
Identitas siswa yang berprestasi.
Tingkatan siswa berasal dari kelas apa.
Jenis Kelamin siswa yang mengisi Google Formulir.
Keterangan waktu mengikuti kegiatan lomba.
Tahun waktu acara perlombaan dilaksanakan.
Nama kejuaran lomba yang diikuti oleh siswa.
Tingkat juara yang didapatkan oleh siswa.
Pengisian wilayah lomba seperti Internasional.
Nasional.
Kabupaten Link bukti dokumentasi kemenangan siswa bersama pihak sekolah.
Link dokumentasi piagam / sertifikat prestasi yang didapat siswa.
Alamat email siswa saat pengisian Google Formulir.
Dashboard Prestasi Siswa SMPN 1 Purwakarta a.
Fakhirah Azhar e-ISSN: 2685-0877 3 Tahap Data Preparation Data preparation merupakan fondasi utama dalam CRISP-DM karena kualitas data yang baik sangat menentukan hasil akhir .
Analisis ini menekankan pentingnya validasi data dan transformasi atribut sebelum digunakan dalam proses modeling menunjukkan bahwa teknik seperti pembersihan data, rekayasa fitur, dan penanganan data tidak seimbang dapat meningkatkan performa model prediksi secara signifikan dalam konteks data perangkat lunak .
Pengolahan data dilakukan untuk memastikan data yang digunakan bersih, konsisten, dan siap dianalisis serta divisualisasikan.
Dalam penelitian ini data preparation dilakukan menggunakan bahasa pemrograman Python versi 3.
3, yang dijalankan dalam lingkungan Jupyter Notebook untuk memudahkan pengembangan dan dokumentasi kode secara interaktif.
Beberapa paket utama yang digunakan dalam proses ini antara lain pandas versi 2.
3 untuk membaca dan memproses data dalam bentuk tabel .
eperti Exce.
, numpy versi 2.
5 sebagai menghitung dan memproses data numerik, serta matplotlib versi 3.
3 dan seaborn versi 2 untuk pembuatan visualisasi data pendukung.
Paket tersebut dipilih karena kemampuannya dalam menangani data tabular secara efisien dan menyediakan fungsi lengkap untuk pembersihan data serta analisis eksplorasi.
Gambar 2.
Masuk pada Terminal bawaan Desktop untuk membuka Jupyter Notebook Gambar 3.
Pengecekan Packages pada Jupyter Notebook Proses Data Preparation dimulai dengan pengimporan dataset dalam format CSV menggunakan fungsi pd.
read_csv() dari paket pandas.
Selanjutnya dilakukan pengecekan data duplikat yang dihapus menggunakan fungsi drop_duplicates() untuk memastikan tidak ada entri ganda yang mempengaruhi hasil analisis.
Penanganan nilai yang hilang .
issing value.
dilakukan dengan teknik imputasi, yaitu menggantikan data yang hilang dengan nilai modus .
ntuk kategorika.
dan nilai rata-rata .
ntuk numeri.
, menggunakan fungsi fillna().
Selain itu, data juga dinormalisasi dan distandarisasi sesuai kebutuhan agar semua variabel berada pada skala yang sesuai.
Proses transformasi lainnya meliputi konversi tipe data kolom agar sesuai Progresif: Vol.
No.
Agustus 2025: 495-507 Progresif e-ISSN: 2685-0877 dengan format yang dibutuhkan oleh alat visualisasi seperti Google Looker Studio.
Langkahlangkah ini menggunakan kode Python di lingkungan Jupyter Notebook, namun hasil akhirnya berupa data yang sudah bersih dan siap divisualisasikan dalam bentuk grafik.
Guru atau staf sekolah tidak perlu memahami kode ini untuk dapat menggunakan dashboard.
Terakhir, data yang sudah dipersiapkan disimpan kembali dalam format CSV yang bersih dan runtut untuk digunakan dalam tahap modeling selanjutnya.
Dengan penerapan teknologi dan langkahlangkah pembersihan ini, kualitas data dapat dijaga sehingga analisis dan visualisasi data yang dihasilkan menjadi lebih akurat dan dapat diandalkan.
1 Tahap Data Cleansing Tahapan selanjutnya yaitu menghapus kolom Timestamp dan Email Address karena tidak dibutuhkan dalam pengolahan data.
Setelah itu, dilakukan pengecekan ulang terhadap nilai yang kosong pada tiap baris, hasil menunjukkan bahwa data baris pertama dalam tabel berisi NaN yang berarti tidak diisi oleh penginput dan sewaktu di konfirmasi pada pihak sekolah memang data tersebut sebagai percobaan apakah sudah bisa terisi atau belum.
Gambar 4.
Melihat nilai NaN baris pertama Gambar 4.
Setelah di hapus Langkah berikutnya adalah memeriksa tipe data setiap kolom apakah sudah benar semua atau belum jika tipe data tidak sesuai, maka sesuaikan denga isi dari tiap kolomnya.
Ketika dilihat jenis tiap tipe data masih banyak yang salah karena berisi object semua.
Gambar 5.
Pemeriksaan tipe data Dengan melakukan ubah tipe data pada tiap kolom bisa menyelesaikan permasalahan tipe datanya.
Sebelumnya kita melakukan normalisasi nama kolom.
Dashboard Prestasi Siswa SMPN 1 Purwakarta a.
Fakhirah Azhar e-ISSN: 2685-0877 Gambar 6 Melakukan normalisasi nama kolom Gambar 7.
Mengubah tipe data tiap kolom Gambar 8.
Tipe data sudah sesuai Selanjutnya melakukan pengecekan missing value tiap kolom karena sudah merubah tipe data Gambar 9.
Terdapat 1 missing value di kolom Tanggal Pelaksaan Progresif: Vol.
No.
Agustus 2025: 495-507 Progresif e-ISSN: 2685-0877 Untuk mengetahui baris mana yang bersifat NaN dilakukan pengecekan kembali.
Gambar 10.
Terlihat bagian yang tidak diisi oleh penginput Setelah melakukan pembersihan pada data di jupyter notebook data disimpan kembali dalam bentuk CSV.
Dengan data yang sudah bersih dan terstruktur, proses selanjutnya adalah membangun model visualisasi yang mampu menampilkan informasi secara efektif kepada Dengan data yang sudah bersih dan terstruktur, proses selanjutnya adalah membangun model visualisasi yang mampu menampilkan informasi secara efektif kepada Pada tahap Modeling, dilakukan perancangan visualisasi data menggunakan Google Looker Studio.
Dashboard ini ibarat seperti laporan nilai siswa, tetapi dalam bentuk grafik, yang bisa dilihat langsung oleh kepala sekolah kapan saja.
Dashboard ini dirancang agar mudah dipahami dan mampu menyajikan informasi berdasarkan tahun, jenis lomba, tingkat kejuaraan, dan peringkat siswa secara interaktif.
4 Tahap Modelling Pada tahap Modeling, dilakukan perancangan visualisasi data menggunakan Google Looker Studio.
Pada tahap ini, dashboard dirancang sedemikian rupa agar mampu menyajikan informasi secara interaktif dan mudah dipahami oleh pengguna.
Dengan dilakukan pemetaan struktur visualisasi terhadap kebutuhan analitik pengguna perlu diperhatikan agar output dapat digunakan secara optimal dalam pengambilan keputusan .
Berdasarkan hasil visualisasi data menggunakan dashboard siswa perempuan mencatat prestasi lebih tinggi secara kuantitatif dibandingkan siswa laki Ae laki, dengan perbandingan 57,3% vs 42,7%.
Tahun 2023 menunjukan peningkatan jumlah prestasi dibanding tahun 2022, yang mengindikasikan adanya tren peningkatan partisipasi siswa dalam kegiatan lomba.
Mata lomba yang paling sering dimenangkan adalah bidang olahraga dan seni, sedangkan tingkat lomba yang paling sering diikuti berada pada level kabupaten.
Lima kelas dengan jumlah prestasi tertinggi berasal dari kelas 9A, 7A, 9E, 9B dan 9J yang masing-masing menyumbang lebih dari 10 prestasi selama periode penelitian.
Informasi ini memberikan masukan penting bagi sekolah dalam mengarahkan pembinaan bakat dan minat siswa ke bidang yang paling potensial.
Uji coba ini juga bertujuan untuk mengevaluasi kemudahan penggunaan serta efektivitas dashboard dalam menyampaikan informasi kepada pemangku kepentingan terkait prestasi siswa.
Gambar 11.
Tampilan dashboard Dashboard Prestasi Siswa SMPN 1 Purwakarta a.
Fakhirah Azhar e-ISSN: 2685-0877 5 Tahap Evalution Metode Evaluasi Fungsionalitas Sistem yaitu proses evaluasi dan validasi fungsionalitas dashboard ini dilakukan melalui pengujian fungsionalitas berbasis skenario penggunaan dan validasi pengguna (User Acceptance Testing - UAT), yaitu tahap pengujian kritis yang berfokus pada penerimaan fungsionalitas sistem oleh pengguna akhir.
Pendekatan ini dipilih untuk memastikan bahwa setiap fitur yang telah dikembangkan dapat beroperasi sesuai dengan kebutuhan bisnis yang telah didefinisikan sebelumnya dan memenuhi harapan Proses dan hasil validasi fungsionalitas yaitu pengujian fungsionalitas dilaksanakan dengan melibatkan beberapa guru bagian akademik dan staf sekolah yang berperan sebagai representasi pengguna utama dashboard.
Proses evaluasi dilakukan melalui wawancara semiterstruktur dan observasi langsung selama pengguna menjalankan serangkaian skenario yang dirancang untuk menguji setiap fungsionalitas dashboard.
Instrumen pengujian disusun dalam bentuk daftar pertanyaan evaluatif yang digunakan selama proses User Acceptance Testing (UAT).
Pertanyaan-pertanyaan ini dirancang untuk menilai sSejauh mana dashboard memenuhi ekspektasi dan kebutuhan pengguna, serta mengukur fungsionalitas dan kemudahan penggunaannya.
No.
Tabel 2.
Butir Instrumen UAT Pertanyaan Evaluasi (UAT) Apakah informasi prestasi siswa ditampilkan dengan jelas dan akurat? Apakah Anda merasa mudah dalam menavigasi antarmuka Apakah filter tahun, kelas, dan jenis prestasi berfungsi sesuai Apakah grafik dan visualisasi yang ditampilkan mudah Apakah Anda menemukan informasi siswa atau kelas berprestasi dengan cepat? Apakah tampilan warna dan desain dashboard cukup nyaman dilihat? Apakah dashboard membantu Anda dalam memahami tren prestasi siswa? Tujuan Validasi keakuratan data Evaluasi user experience Uji Evaluasi Uji kemudahan pencarian Penilaian aspek visual Evaluasi nilai informasi Pengujian dilakukan terhadap 5 responden, terdiri dari 3 guru bagian akademik dan 2 staf tata usaha yang mewakili pengguna akhir dashboard.
Setiap responden menjalankan skenario penggunaan sambil menjawab pertanyaan UAT secara lisan dan tertulis.
Pertanyaan Tabel 3.
Data Hasil Pengujian Setuju (%) Netral (%) Tidak Setuju (%) Hasil pengujian UAT menunjukkan bahwa seluruh fitur utama dashboard berjalan dengan baik dan sesuai dengan ekspektasi pengguna.
Informasi prestasi siswa dapat diakses dengan cepat dan disajikan secara informatif.
Antarmuka dashboard dinilai mudah digunakan oleh guru maupun staf non-teknis.
Fitur yang paling diapresiasi yaitu filter interaktif berdasarkan tahun dan kelas.
Grafik tren prestasi tahunan dan tabel siswa berprestasi dengan ranking Namun, dari segi kenyamanan visual, terdapat masukan terkait kontras warna yang dianggap kurang optimal oleh 2 responden.
Berdasarkan masukan tersebut, desain warna grafik dan latar antarmuka disesuaikan dengan palet warna yang lebih nyaman bagi mata, serta penambahan label data pada grafik bar dan pie chart.
Proses iteratif ini menunjukkan bahwa pengujian berbasis pengguna (UAT) sangat membantu dalam penyempurnaan akhir sistem.
Progresif: Vol.
No.
Agustus 2025: 495-507 Progresif e-ISSN: 2685-0877 sejalan dengan prinsip user-centered design, untuk memastikan bahwa sistem benar-benar relevan, fungsional, dan layak diterapkan di lingkungan sekolah.
6 Tahap Deployment Pada penelitian ini, tahapan Deployment atau implementasi penuh dashboard di SMPN 1 Purwakarta belum dilakukan secara menyeluruh.
Lingkup penelitian ini difokuskan pada pengembangan dashboard hingga fase validasi fungsionalitas dan evaluasi oleh pengguna, sebagaimana telah dijelaskan pada sub-bab 4.
Oleh karena itu, proses implementasi secara massal, pemberian pelatihan terperinci kepada seluruh pengguna, serta pemantauan efektivitas penggunaan dalam jangka waktu yang berkelanjutan berada di luar cakupan penelitian ini.
Aspek-aspek tersebut direkomendasikan untuk menjadi fokus pada penelitian lanjutan di masa mendatang, setelah dashboard dipastikan stabil dan memenuhi seluruh kebutuhan fungsional.
7 Pembahasan Bagian pembahasan ini mengulas secara mendalam hasil evaluasi fungsionalitas sistem yang telah dikembangkan serta implikasinya terhadap permasalahan awal yang telah diidentifikasi, yakni ketidakteraturan data dan kurangnya media visualisasi prestasi siswa.
Berdasarkan hasil testing di Subbab 4.
5, seluruh fungsionalitas utama dashboard yang dibangun menggunakan Google Looker Studio telah berhasil divalidasi.
Seluruh fitur menunjukkan kinerja optimal dalam menyajikan data yang akurat dan dapat dipercaya.
Umpan balik pengguna menegaskan bahwa antarmuka dashboard dinilai mudah digunakan, bahkan oleh pengguna dengan kemampuan teknologi dasar.
Hal ini menunjukkan bahwa desain sistem tidak hanya berfungsi secara teknis, tetapi juga sesuai dengan kebutuhan informasi sekolah, serta mendukung pengambilan keputusan akademik secara data driven.
Keberhasilan validasi fungsionalitas ini secara langsung berpotensi menyelesaikan masalah manajemen data yang telah diidentifikasi pada pendahuluan.
Sebelumnya.
SMPN 1 Purwakarta menghadapi tantangan signifikan dalam pengelolaan data prestasi siswa yang tersebar, mengakibatkan waktu rata-rata yang dibutuhkan untuk menghasilkan laporan analisis mencapai 3-5 hari kerja, serta kesulitan dalam memperoleh wawasan komprehensif untuk pengambilan keputusan strategis secara real-time.
Dengan fitur-fitur fungsionalitas dashboard yang telah divalidasi, seperti penyajian tren tingkat prestasi siswa dari 2021-2024, distribusi prestasi berdasarkan peringkat dan identifikasi siswa/kelas berprestasi terbaik, dashboard ini menawarkan solusi konkret.
Kemampuan dashboard untuk memvisualisasikan data secara interaktif dan real-time dapat secara signifikan memangkas waktu yang dibutuhkan untuk analisis data, memungkinkan pihak sekolah untuk memantau perkembangan siswa secara lebih efisien dan mengambil keputusan berbasis data dengan lebih cepat dan akurat.
Potensi ini secara langsung menjawab kebutuhan akan sistem yang mampu menyediakan informasi yang terstruktur dan mudah diakses untuk mendukung proses evaluasi dan perencanaan pendidikan yang lebih optimal.
Penelitian ini juga memberikan kontribusi signifikan terhadap kumpulan temuan penelitian sejenis, khususnya yang berkaitan dengan efektivitas Google Looker Studio sebagai alat visualisasi data dalam konteks pendidikan.
Studi-studi sebelumnya telah menunjukkan bahwa implementasi dashboard visual interaktif dapat meningkatkan pemahaman data .
, memfasilitasi pengambilan keputusan berbasis data .
dan bahkan meningkatkan keterlibatan pemangku kepentingan dalam proses pembelajaran .
Dalam konteks spesifik pengelolaan prestasi siswa, penelitian ini memperkuat temuan tersebut dengan menunjukkan bahwa Google Looker Studio, sebagai platform yang mudah diakses dan fleksibel, dapat secara efektif digunakan untuk mengintegrasikan berbagai jenis data prestasi dan menyajikannya dalam format yang informatif .
Keberhasilan validasi fungsionalitas dashboard dalam penelitian ini menegaskan potensi Google Looker Studio sebagai solusi yang kuat untuk visualisasi data pendidikan .
Hal ini sejalan dengan penelitian terdahulu yang menyoroti Google Looker Studio .
tau nama sebelumnya.
Google Data Studi.
sebagai alat yang efisien untuk visualisasi data tanpa memerlukan keahlian pemrograman yang mendalam .
Dengan demikian, penelitian ini tidak hanya menunjukkan potensi penyelesaian masalah praktis di SMPN 1 Purwakarta, tetapi juga memperkaya literatur tentang aplikasi praktis dan efektivitas Google Looker Studio dalam mendukung analisis data pendidikan, khususnya dalam pengelolaan data prestasi siswa .
Dashboard Prestasi Siswa SMPN 1 Purwakarta a.
Fakhirah Azhar e-ISSN: 2685-0877 Simpulan Penelitian ini berfokus pada pengembangan dashboard interaktif berbasis Google Looker Studio untuk mengatasi tantangan pengelolaan data prestasi siswa yang terfragmentasi di SMPN 1 Purwakarta, yang menyebabkan lambatnya pelaporan dan kesulitan dalam memperoleh wawasan real-time.
Dengan menerapkan metode CRISP-DM, dashboard berhasil divalidasi fungsionalitasnya, menunjukkan kemampuan untuk menyajikan data prestasi .
ermasuk non-akademik dari 2021-2.
secara akurat, interaktif, dan mudah dipahami, sehingga berpotensi mempercepat analisis dan mendukung pengambilan keputusan berbasis data di sekolah.
Kontribusi utama penelitian ini adalah menyediakan solusi praktis dan memperkaya literatur tentang efektivitas Google Looker Studio sebagai alat visualisasi data yang efisien di konteks pendidikan, meskipun implementasi penuh dashboard direkomendasikan sebagai studi lanjutan.
Daftar Referensi .
Safira and H.
Yasin, "Pemanfaatan Data Mining untuk Prediksi Prestasi Akademik Mahasiswa Menggunakan Algoritma C4.
5," Jurnal Sistem Informasi Bisnis, vol.
11, no.
Jan.
Putra and S.
Pratama, "Perancangan Dashboard Informasi Data Akademik Mahasiswa Menggunakan Google Data Studio," Jurnal Ilmiah Teknologi Informasi Terapan, 7, no.
2, pp.
Apr.
Pratama.
Hidayat, and K.
Suryantini, "Visualisasi Data Penerimaan Mahasiswa Baru Menggunakan Google Data Studio," Jurnal Informatika Polinema, vol.
8, no.
3, pp.
Dec.
Lestari.
Rini, and E.
Putri, "Analisis Kebutuhan Sistem Informasi Akademik Berbasis Web untuk Pengelolaan Data Nilai Siswa di SMPN X," Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol.
7, no.
1, pp.
Feb.
Utomo.
Rismayadi, and S.
Said, "Implementasi Google Data Studio untuk Visualisasi Data Penjualan pada UMKM XYZ," Jurnal Teknologi Informasi dan Komunikasi (TIKOM), vol.
5, no.
2, pp.
Jul.
Nurdin.
Iswanto, and S.
Wahyudi, "Pengembangan Dashboard Akademik Berbasis Web Menggunakan Framework CodeIgniter dan Highcharts.
js," Jurnal Ilmiah Komputer dan Informatika (KOMPUTA), vol.
10, no.
1, pp.
Mar.
Syahputra.
Syahputra, and D.
Harwiansyah, "Implementasi CRISP-DM dalam Analisis Data Penjualan untuk Rekomendasi Produk," Jurnal Sistem Komputer (JSK), vol.
11, no.
2, pp.
Nov.
Wijaya and E.
Setiawan, "Penerapan Metode CRISP-DM untuk Analisis Data Kepuasan Pelanggan," Jurnal Ilmu Komputer dan Informatika (JIK), vol.
14, no.
1, pp.
1-10,
Jan.
Cahyono.
Hakim, and R.
Prasetyo, "Perancangan Sistem Informasi Data Prestasi Siswa Berbasis Web pada SMK Negeri 1 Jakarta," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol.
8, no.
2, pp.
Jun.
Prasetyo, "Pengembangan Dashboard Visualisasi Data Kinerja Akademik Mahasiswa Menggunakan Tableau," Jurnal Teknologi Informasi dan Komunikasi, vol.
2, pp.
120Ae130, 2022.
Hidayat, "Implementasi Metode CRISP-DM dalam Visualisasi Prestasi Akademik Siswa SMA," Jurnal Penelitian Sistem Informasi, vol.
9, no.
1, pp.
45Ae54, 2021.
Nugroho dan T.
Susanti.
AuPeningkatan Kualitas Data Sistem Akademik Melalui Proses Data Cleansing,Ay Jurnal Informatika dan Sains Data, vol.
5, no.
3, pp.
76Ae84, 2023.
Ahmad.
Wibowo, dan M.
Putri.
AuVisualisasi Interaktif untuk Monitoring Data Pendidikan Menggunakan Google Looker Studio,Ay Jurnal Teknologi dan Pendidikan, vol.
14, no.
1, pp.
89Ae97, 2024.
Wibowo.
AuVisualisasi Nilai Siswa Menggunakan Microsoft Power BI pada SMK Negeri 1 Surabaya,Ay Jurnal Teknologi dan Sistem Informasi, vol.
9, no.
2, pp.
110Ae118, 2021.
Progresif: Vol.
No.
Agustus 2025: 495-507 Progresif e-ISSN: 2685-0877 Prabowo.
AuSistem Monitoring Kehadiran Siswa Berbasis Web Menggunakan Metode Waterfall,Ay Jurnal Ilmiah Informatika Global, vol.
7, no.
1, pp.
45Ae52, 2022.
Ruswanti.
Susilo, and R.
Riani.
AuImplementasi CRISP-DM pada Data Mining untuk Melakukan Prediksi Pendapatan dengan Algoritma C4.
5,Ay Go Infotech: Jurnal Ilmiah STMIK AUB, vol.
30,no.
1, pp.
111Ae121.
Jun.
Oktaviani and N.
Damayanti.
AuData Analysis of High School Learners Using Google Looker Studio Visualization,Ay Journal of Scientific and Applied Informatics (JSAI), vol.
3, pp.
45Ae52.
Nov.
Alhamadi.
Alghamdi, and S.
Clinch.
AuData Quality.
Mismatched Expectations, and Moving Requirements: The Challenges of User-Centred Dashboard Design,Ay ArXiv preprint.
Sep.
Saputra.
Nastiti, and F.
Nastiti.
AuPenerapan Model CRISP-DM pada Prediksi Nasabah Kredit Menggunakan Random Forest,Ay IDEALIS: InDonEsiA Journal Information System, vol.
7, no.
2, 2022.
Azwar.
Fauzi, and I.
Sari.
AuVisualisasi Data Pendidikan SD & SMP Daerah Kabupaten Tangerang Menggunakan Aplikasi Microsoft Power BI,Ay Jurnal Cyber Statistics, 3, no.
1, pp.
50Ae58, 2024.
Aulia.
Magdalena, and M.
Hatta.
AuPenerapan Framework CRISP-DM Menggunakan Metode Fuzzy C-Means Untuk Clustering Data Perguruan Tinggi Swasta di LLDIKTI Wilayah IV,Ay JSR: Jaringan Sistem Informasi Robotik, 2024.
Isa.
Kamaruzzaman, and G.
Murti.
AuStrategic Decision Support: Developing a Dashboard for Managerial Insights in High-Level TVET StudentsAo Enrolment at Universiti Malaysia Pahang Al-Sultan Abdullah,AyInternational Journal of Industrial Management, vol.
18, no.
2, pp.
1Ae15.
Apr.
Kurniawan and M.
Yasir.
AuOptimization Sentiment Analysis using CRISP-DM and Naive Bayes Methods Implemented on Social Media,Ay Cyberspace: Jurnal Pendidikan Teknologi Informasi, vol.
6, no.
2, pp.
128Ae136.
Sep.
Santos.
Zhou, and B.
Ray.
AuData Preparation for Software Vulnerability Prediction: A Systematic Literature Review,Ay Ie Transactions on Software Engineering, vol.
49, no.
1234Ae1250.
Mar.
Prabowo dan M.
Hatta.
AuPerancangan Sistem Visualisasi Data Pendidikan Menggunakan Dashboard Interaktif,Ay Jurnal Informatika dan Sistem Informasi, vol.
9, no.
101Ae110, 2023.
Paturusi and A.
Sambul, "Interface Design of The Monitoring System for the Achievement of Major Performance Indicators in College," Proceedings of the 2023 6th International Conference on Information Technology and Education (ICITE), 2023.
Sugiyanti et al.
, "Design Dashboard Monitoring Teacher Performance Assessment at Cinta Kasih Tzu Chi High School," Jurnal Teknologi dan Sistem Informasi, vol.
6, no.
3, pp.
245Ae253, 2022.
Kaliisa.
Bond.
Molthan-Hill, and A.
Crick, "Have Learning Analytics Dashboards Lived Up to the Hype? A Systematic Review," arXiv preprint arXiv:2312.
15042, 2023.
Dashboard Prestasi Siswa SMPN 1 Purwakarta a.
Fakhirah Azhar